AI

AI — це скорочення від Artificial Intelligence, тобто штучний інтелект. AI — це напрям технологій, який дозволяє програмам виконувати задачі, що раніше вважалися “людськими”: аналізувати дані, розпізнавати текст і зображення, прогнозувати попит, відповідати на запитання, писати тексти, класифікувати документи, знаходити аномалії, автоматизувати рішення та допомагати користувачам у бізнес-процесах.

У бізнесі AI використовується в ERP, CRM, BI, Service Desk, документообігу, фінансах, складі, виробництві, продажах, закупівлях, HRM, маркетингу, логістиці, підтримці клієнтів, контролі якості та кібербезпеці. У контексті K2 ERP AI може допомагати аналізувати документи, підказувати дії користувачам, шукати помилки в даних, прогнозувати залишки, готувати звіти, автоматизувати заявки, підтримувати RAG-пошук по базі знань і будувати аналітику для керівництва.

Головне. AI — це не одна програма, а набір підходів: машинне навчання, нейронні мережі, генеративний AI, великі мовні моделі, комп’ютерний зір, рекомендаційні системи, прогнозування, класифікація, пошук, автоматизація й AI-агенти.

Практичний приклад. У ERP AI може помітити, що постачальник почав затримувати поставки, товар швидко закінчується, клієнт має ризик прострочення оплати, документ заповнений неправильно, а менеджер надав занадто велику знижку.

Важливо. AI не замінює якісний облік, права доступу, чисті довідники, контрольні суми, аудит дій і відповідальність людей. Якщо в ERP брудні дані, дублікати номенклатури, хаотичні договори й неправильні залишки, AI буде аналізувати хаос.

Що таке AI

AI — це технології, які дозволяють системам імітувати окремі елементи людського інтелекту.

AI може:

розуміти текст;
генерувати текст;
класифікувати дані;
прогнозувати події;
знаходити закономірності;
розпізнавати зображення;
аналізувати документи;
відповідати на запитання;
шукати аномалії;
рекомендувати дії;
автоматизувати рутинні процеси;
допомагати приймати рішення.

Простий приклад AI

Компанія має тисячі заявок у Service Desk. Користувачі пишуть їх у вільній формі:

“Не відкривається звіт по продажах”;
“Не можу провести платіж”;
“Зникла кнопка друку рахунку”;
“На складі неправильний залишок”;
“Потрібен доступ до договорів”.

AI може автоматично:

Текст заявки	Категорія	Пріоритет	Кому направити
Не відкривається звіт по продажах	BI / звітність	Середній	Аналітик
Не можу провести платіж	Казначейство	Високий	Фінансовий адміністратор
Зникла кнопка друку рахунку	ERP / форма	Середній	ERP-адміністратор
На складі неправильний залишок	Склад	Високий	Команда складу

Для чого потрібен AI у бізнесі

AI потрібен для підсилення людей і систем.

Він допомагає:

швидше аналізувати дані;
знаходити помилки;
прогнозувати попит;
автоматизувати рутину;
скорочувати ручну роботу;
покращувати клієнтський сервіс;
зменшувати ризики;
підвищувати якість звітності;
знаходити аномалії;
прискорювати пошук інформації;
підтримувати користувачів ERP;
готувати аналітику для керівників;
інтегрувати знання з різних систем.

Основні напрями AI

AI включає кілька великих напрямів.

Напрям	Що робить	Приклад
Machine Learning	Навчається на даних і робить прогнози	Прогноз попиту
Deep Learning	Використовує нейронні мережі	Розпізнавання зображень
Generative AI	Створює текст, код, зображення або відповіді	AI-асистент у ERP
NLP	Працює із людською мовою	Аналіз заявок клієнтів
Computer Vision	Аналізує зображення або відео	Контроль якості на виробництві
Recommendation Systems	Радить товари або дії	Рекомендація закупівлі
Anomaly Detection	Знаходить нетипові події	Підозрілий платіж

AI і Machine Learning

Machine Learning або машинне навчання — це підхід, коли система навчається на історичних даних і потім робить прогнози або класифікації.

Приклади:

прогноз продажів;
прогноз попиту;
оцінка ризику клієнта;
класифікація заявок;
пошук шахрайських платежів;
прогноз відтоку клієнтів;
прогноз поломки обладнання;
прогноз дефіциту товару.

Приклад машинного навчання в продажах

Компанія має історію продажів за 3 роки.

AI аналізує:

сезонність;
товарні групи;
регіони;
клієнтів;
акції;
ціни;
залишки;
повернення;
дні тижня;
свята;
канали продажу.

Результат:

Товар	Поточний залишок	Прогноз продажів на 30 днів	Рекомендація
Кава арабіка 1 кг	250 кг	420 кг	Закупити 200 кг
Фільтр кавомашини	900 шт.	300 шт.	Не закуповувати
Кабель USB-C	80 шт.	600 шт.	Терміново закупити

AI і нейронні мережі

Нейронні мережі — це математичні моделі, які можуть навчатися на великих обсягах даних.

Вони використовуються для:

розпізнавання тексту;
розпізнавання зображень;
генерації відповідей;
перекладу;
класифікації документів;
пошуку схожих об’єктів;
аналізу голосу;
прогнозування складних залежностей.

AI і генеративний AI

Генеративний AI — це AI, який створює новий контент.

Він може генерувати:

тексти;
листи;
інструкції;
відповіді клієнтам;
резюме документів;
програмний код;
SQL-запити;
аналітичні пояснення;
шаблони договорів;
описи товарів;
зображення;
презентації;
навчальні матеріали.

Приклад генеративного AI в ERP

Користувач питає:

Покажи, чому зросла дебіторка за останній місяць.

AI може відповісти:

дебіторка зросла на 1,8 млн грн;
60% приросту дали 5 клієнтів;
3 клієнти перевищили строк оплати;
найбільший борг у клієнта “Рітейл Плюс”;
частина боргу пов’язана з відвантаженнями без передоплати;
рекомендовано заблокувати нові відвантаження для двох клієнтів.

AI і LLM

LLM — це Large Language Model, велика мовна модель.

LLM може:

розуміти запитання;
генерувати відповіді;
писати тексти;
пояснювати дані;
працювати з документами;
створювати SQL;
допомагати з кодом;
узагальнювати великі тексти;
вести діалог із користувачем.

Приклад LLM у бізнесі

Керівник пише:

Підготуй коротке пояснення, чому впала маржа по групі “Аксесуари”.

AI аналізує дані й формує пояснення:

збільшились закупівельні ціни;
частина товарів продавалась зі знижками;
кілька менеджерів продавали нижче мінімальної маржі;
зросла частка повернень;
не оновили прайс після зміни курсу.

AI і RAG

RAG — це Retrieval-Augmented Generation, тобто генерація відповіді з пошуком у джерелах даних.

RAG працює так:

Користувач ставить запитання.
Система шукає релевантні документи або записи.
AI читає знайдені фрагменти.
AI формує відповідь на основі джерел.

Приклад RAG у K2 ERP

Користувач питає:

Як у нас погоджується заявка на оплату понад 500 000 грн?

RAG може знайти:

регламент казначейства;
правила погодження;
роль фінансового директора;
винятки для податкових платежів;
історію схожих заявок.

Потім AI відповідає не “з пам’яті”, а на основі внутрішніх документів компанії.

AI-агенти

AI-агент — це система, яка не тільки відповідає, а й може виконувати послідовність дій за правилами.

AI-агент може:

прийняти задачу;
знайти дані;
перевірити умови;
сформувати рекомендацію;
створити чернетку документа;
відправити на погодження;
записати результат;
повідомити користувача.

Приклад AI-агента в закупівлях

AI-агент щодня перевіряє залишки.

Якщо товар нижче мінімального залишку, агент:

перевіряє прогноз попиту;
знаходить основного постачальника;
перевіряє останню закупівельну ціну;
створює чернетку замовлення постачальнику;
додає рекомендацію по кількості;
відправляє закупівельнику на перевірку.

AI в ERP

В ERP AI може допомагати в багатьох процесах.

Типові сценарії:

прогноз попиту;
контроль залишків;
пошук помилок у документах;
рекомендація закупівель;
аналіз дебіторки;
прогноз грошового потоку;
класифікація витрат;
аналіз маржі;
контроль цін;
автоматизація заявок;
аналіз продуктивності виробництва;
підказки користувачам;
пошук по базі знань.

Приклад AI в ERP

ERP бачить, що менеджер створив продаж товару зі знижкою 30%.

AI перевіряє:

мінімальну маржу;
собівартість;
історію продажів;
умови договору;
роль менеджера;
кредитний ліміт клієнта;
історію повернень.

Система може показати попередження:

Продаж нижче мінімальної маржі. Потрібне погодження керівника продажів.

AI в CRM

У CRM AI може допомагати продажам.

Приклади:

оцінка ймовірності угоди;
підказка наступної дії;
пріоритизація лідів;
аналіз дзвінків;
генерація листів;
підготовка комерційних пропозицій;
прогноз виручки;
пошук клієнтів із ризиком відтоку;
рекомендація товарів.

Пов’язана сторінка: CRM для продажів

Приклад AI в CRM

AI аналізує ліди й дає оцінку:

Лід	Ймовірність угоди	Причина	Рекомендація
Компанія А	78%	Відкривали пропозицію 4 рази	Зателефонувати сьогодні
Компанія B	25%	Немає відповіді 14 днів	Перевести в nurturing
Компанія C	90%	Є бюджет і терміновий запит	Підготувати договір

AI у фінансах

У фінансах AI може допомагати з аналізом платежів, бюджетів і ризиків.

Сценарії:

прогноз cash flow;
класифікація платежів;
пошук дублів оплат;
виявлення підозрілих платежів;
прогноз дебіторки;
аналіз прострочених боргів;
рекомендація платіжного календаря;
контроль бюджетних лімітів;
аналіз відхилень план-факт.

Пов’язана сторінка: Казначейство

Приклад AI у казначействі

AI аналізує заявки на оплату й знаходить ризики:

Заявка	Сума	Ризик	Пояснення
Оплата постачальнику А	800 000 грн	Високий	Сума перевищує середній платіж у 4 рази
Оренда офісу	80 000 грн	Низький	Регулярний платіж
Новий постачальник	250 000 грн	Середній	Немає історії співпраці

AI у складі

У складському обліку AI може допомагати управляти залишками.

Сценарії:

прогноз дефіцитів;
пошук залежалих товарів;
рекомендація мінімальних залишків;
аналіз пересортиці;
прогноз сезонного попиту;
оптимізація розміщення товарів;
виявлення аномальних списань;
контроль інвентаризацій.

Пов’язані сторінки:

Приклад AI у складі

AI бачить:

товар продається швидше, ніж зазвичай;
постачальник везе 14 днів;
залишку вистачить на 6 днів;
у минулому місяці був дефіцит;
маржа по товару висока.

Рекомендація:

Створити замовлення постачальнику на 500 шт. до 18.05.2026.

AI у виробництві

У виробництві AI може допомагати з плануванням, якістю й обладнанням.

Сценарії:

прогноз поломок обладнання;
аналіз браку;
контроль якості зображень;
оптимізація виробничого плану;
прогноз потреби в матеріалах;
аналіз простоїв;
рекомендація змін;
прогноз собівартості.

Пов’язані сторінки:

Приклад AI у виробництві

AI аналізує дані верстата:

температура зростає;
вібрація вища за норму;
продуктивність падає;
останній ремонт був 120 днів тому;
схожі ознаки раніше передували поломці.

Рекомендація:

Запланувати технічне обслуговування протягом 3 днів.

AI у Service Desk

У Service Desk AI може автоматизувати обробку заявок.

Може виконувати:

класифікацію заявок;
визначення пріоритету;
пошук схожих інцидентів;
рекомендацію відповіді;
маршрутизацію до відповідальної команди;
генерацію інструкцій;
аналіз причин повторюваних проблем;
оцінку SLA-ризику.

Пов’язана сторінка: Service Desk

AI у документообігу

У документообігу AI може працювати з договорами, актами, рахунками та листами.

Сценарії:

розпізнавання документа;
витягування реквізитів;
пошук ризикових умов;
порівняння версій договору;
генерація резюме;
класифікація документів;
перевірка обов’язкових полів;
пошук строків дії;
нагадування про продовження.

Пов’язана сторінка: ERP для документообігу

Приклад AI для договору

AI читає договір і витягує:

Поле	Значення
Контрагент	ТОВ “Постачальник”
Сума	1 200 000 грн
Валюта	UAH
Строк дії	До 31.12.2026
Умови оплати	50% аванс, 50% після поставки
Штрафи	0,1% за день прострочення

AI у BI та Power BI

AI може допомагати пояснювати дані, а не тільки показувати графіки.

Сценарії:

автоматичні висновки;
пояснення відхилень;
пошук аномалій;
прогноз трендів;
генерація текстового коментаря;
відповіді на питання керівника;
підготовка щотижневого резюме;
аналіз план-факт.

Пов’язана сторінка: Power BI

Приклад AI у Power BI

Керівник питає:

Чому витрати на логістику зросли на 18%?

AI аналізує дані:

зросла кількість доставок;
збільшилася частка термінових відправлень;
підвищився тариф одного перевізника;
збільшилися повернення;
частина витрат віднесена не на ту статтю.

AI і API

AI часто підключається до ERP через API.

API може давати AI доступ до:

довідників;
документів;
залишків;
цін;
заявок;
договорів;
оплат;
статусів;
користувачів;
задач;
бази знань.

Пов’язана сторінка: API для ERP

Приклад AI + API

Користувач питає:

Які товари треба закупити цього тижня?

AI через API отримує:

залишки;
продажі;
мінімальні залишки;
терміни поставки;
замовлення постачальникам;
прогноз попиту.

Потім формує список рекомендацій.

AI і інтеграції

AI може працювати поверх інтеграцій між системами.

Приклади:

CRM → AI → прогноз угод;
ERP → AI → рекомендація закупівель;
WMS → AI → аналіз складу;
MES → AI → прогноз поломок;
Service Desk → AI → класифікація заявок;
Power BI → AI → пояснення відхилень;
документообіг → AI → аналіз договорів.

Пов’язана сторінка: Інтеграція з BAS

AI і якість даних

AI залежить від якості даних.

Проблеми:

дублікати клієнтів;
дублікати номенклатури;
порожні договори;
неправильні валюти;
документи без підрозділів;
хаотичні статті витрат;
неправильні залишки;
старі користувачі;
відсутність зовнішніх ID;
слабкий аудит;
ручні Excel-файли поруч із ERP.

Приклад поганих даних для AI

У базі один товар заведений тричі:

“Кабель USB-C”;
“USB C кабель”;
“Кабель тайп сі”.

AI аналізує продажі й помилково бачить три різні товари.

Наслідки:

прогноз попиту неправильний;
закупівля занижена;
залишки розбиті;
Power BI показує неточну маржу;
менеджери не довіряють рекомендаціям.

AI і права доступу

AI має працювати з урахуванням прав доступу.

Менеджер продажів не повинен через AI отримати:

зарплату;
собівартість;
банківські залишки;
конфіденційні договори;
персональні дані працівників;
документи іншого підрозділу;
фінансові звіти для директора.

Пов’язана сторінка: Права доступу в ERP

Приклад ризику доступу

Менеджер питає AI:

Покажи собівартість товарів по всіх складах.

Якщо менеджер не має права бачити собівартість, AI має відмовити або показати тільки дозволені дані.

AI і аудит дій

AI-рішення мають бути під аудитом.

Потрібно фіксувати:

хто поставив запитання;
які дані були використані;
яку відповідь отримав користувач;
чи створив AI документ;
чи змінив AI статус;
хто підтвердив дію;
які API-запити виконані;
які помилки виникли.

Пов’язана сторінка: Аудит дій

AI і безпека

AI може створювати нові ризики.

Потрібно контролювати:

доступ до даних;
персональні дані;
комерційну таємницю;
фінансові дані;
API-ключі;
журнали запитів;
права користувачів;
збереження промптів;
передачу даних зовнішнім сервісам;
перевірку відповідей;
людське погодження критичних дій.

AI і персональні дані

AI не повинен безконтрольно обробляти персональні дані.

Чутливі дані:

ПІБ працівників;
зарплата;
адреси;
телефони;
email;
паспортні дані;
банківські реквізити;
медичні або кадрові документи;
оцінки ефективності;
службові розслідування.

AI і human-in-the-loop

Human-in-the-loop означає, що людина контролює важливі рішення AI.

AI може рекомендувати, але людина має підтверджувати:

оплату;
зміну ціни;
блокування клієнта;
списання товару;
звільнення працівника;
зміну договору;
закупівлю на велику суму;
зміну прав доступу.

Приклад human-in-the-loop

AI пропонує заблокувати клієнта через прострочену дебіторку.

Правильний процес:

AI знаходить ризик.
Формує пояснення.
Показує документи й суми.
Менеджер перевіряє.
Фінансовий директор погоджує блокування.
ERP фіксує дію в аудиті.

AI і автоматизація процесів

AI може бути частиною автоматизації, але не кожну дію треба автоматизувати повністю.

Добре автоматизувати:

класифікацію заявок;
пошук документів;
підготовку чернеток;
витягування реквізитів;
первинну перевірку;
рекомендації;
резюме звітів;
пошук аномалій.

Обережно автоматизувати:

платежі;
зміни прав доступу;
списання;
зміни цін;
юридичні рішення;
кадрові рішення;
фінансові блокування.

AI і ERP-асистент

ERP-асистент — це AI-помічник усередині ERP.

Він може допомогти:

знайти документ;
пояснити звіт;
підказати наступну дію;
створити чернетку заявки;
знайти помилку в документі;
пояснити причину відхилення;
підготувати лист клієнту;
сформувати SQL або BI-запит;
відповісти по регламенту компанії.

Приклад ERP-асистента

Користувач пише:

Чому я не можу провести надходження товарів?

AI відповідає:

не заповнений договір;
у постачальника неактивний статус;
у рядку 3 немає одиниці виміру;
склад заблокований для приймання;
користувач не має права проводити документи понад 100 000 грн.

AI і прогнозування

Прогнозування — один із найкорисніших бізнес-сценаріїв AI.

Можна прогнозувати:

продажі;
попит;
дефіцити;
касові розриви;
прострочену дебіторку;
повернення;
брак;
навантаження складу;
потребу в персоналі;
відтік клієнтів;
поломки обладнання.

AI і рекомендації

AI може рекомендувати дії.

Приклади:

закупити товар;
змінити мінімальний залишок;
переглянути ціну;
зупинити знижку;
перевірити постачальника;
зв’язатися з клієнтом;
оновити договір;
змінити маршрут доставки;
перевірити підозрілий платіж;
переглянути бюджет.

AI і класифікація

Класифікація — це віднесення об’єкта до категорії.

Приклади:

заявка Service Desk → категорія;
платіж → стаття руху коштів;
витрата → стаття витрат;
клієнт → сегмент;
товар → група;
документ → тип;
email → тема звернення;
інцидент → пріоритет.

Приклад класифікації витрат

AI аналізує призначення платежу:

Призначення платежу	Рекомендована стаття
Оплата Google Ads	Маркетинг
Оренда складу	Оренда
Ремонт навантажувача	Ремонт обладнання
Доставка клієнту	Логістика

AI і пошук аномалій

AI може знаходити події, які відрізняються від нормальної поведінки.

Приклади:

незвично великий платіж;
різке падіння маржі;
списання великої кількості товару;
нестандартна знижка;
різке зростання повернень;
замовлення з незвичного регіону;
зміна банківських реквізитів перед оплатою;
багато помилок входу в систему.

Приклад аномалії

Постачальнику зазвичай платили 50 000–80 000 грн на місяць. Раптом створена заявка на 900 000 грн.

AI може показати:

сума в 12 разів вища за середню;
постачальник не мав таких платежів раніше;
банківський рахунок змінено вчора;
потрібне додаткове погодження.

AI і OCR

OCR — це розпізнавання тексту з зображень або сканів.

AI/OCR може витягувати дані з:

рахунків;
актів;
накладних;
договорів;
паспортів документів;
сертифікатів;
транспортних накладних;
заявок;
чеків;
актів виконаних робіт.

Приклад OCR для рахунку

Система отримує PDF-рахунок від постачальника.

AI витягує:

номер рахунку;
дату;
постачальника;
ЄДРПОУ;
IBAN;
суму;
валюту;
ПДВ;
товари;
строк оплати;
договір.

Потім створює чернетку документа в ERP.

AI і комп’ютерний зір

Комп’ютерний зір використовується для аналізу зображень і відео.

Приклади:

контроль браку на виробництві;
розпізнавання штрихкодів;
перевірка пакування;
контроль заповнення полиць;
підрахунок об’єктів;
аналіз фото пошкоджень;
контроль безпеки на складі;
розпізнавання документів.

AI і знання компанії

AI може працювати як помічник по внутрішній базі знань.

Джерела:

регламенти;
інструкції;
політики;
договори;
технічна документація;
wiki-сторінки;
база Service Desk;
FAQ;
навчальні матеріали;
опис бізнес-процесів;
документи впровадження ERP.

Приклад AI по базі знань

Користувач питає:

Як оформити повернення товару від клієнта?

AI знаходить інструкцію й відповідає:

створити документ повернення;
вибрати клієнта й договір;
додати товари;
перевірити партії або серійні номери;
вказати склад повернення;
провести документ;
сформувати коригуючі документи;
повідомити бухгалтерію.

AI і навчання користувачів

AI може допомагати новим користувачам ERP.

Сценарії:

пояснити, як створити документ;
показати причину помилки;
дати інструкцію по ролі;
відповісти по регламенту;
запропонувати навчальний матеріал;
сформувати тест;
пояснити звіт;
підказати відповідального.

AI і розробка ПЗ

AI може допомагати розробникам:

писати код;
пояснювати код;
генерувати тести;
знаходити помилки;
писати SQL;
створювати API-документацію;
аналізувати логи;
готувати міграції;
описувати моделі даних;
створювати технічні завдання.

AI і ORM

AI може допомагати при роботі з ORM.

Наприклад:

запропонувати модель даних;
знайти N+1 проблему;
пояснити повільний запит;
згенерувати міграцію;
написати валідацію;
підготувати API-метод;
описати зв’язки між сутностями.

Приклад AI + ORM

Розробник просить:

Створи модель Order з рядками OrderLine, клієнтом, статусом і сумою.

AI може запропонувати:

модель Order;
модель OrderLine;
зв’язок один-до-багатьох;
поле customer_id;
індекс по status;
індекс по date;
транзакцію для збереження;
аудит created_by і updated_by.

AI і міграція даних

AI може допомагати в міграції даних, але не повинен виконувати її без контролю.

Може допомогти:

знайти дублікати;
класифікувати дані;
запропонувати мапінг;
знайти порожні поля;
пояснити розбіжності;
сформувати чек-лист;
аналізувати помилки завантаження;
підготувати контрольні звіти;
порівняти стару й нову систему.

Приклад AI в міграції

Під час переходу з BAS у K2 ERP AI знаходить:

120 дублів номенклатури;
35 контрагентів без ЄДРПОУ;
18 договорів без валюти;
240 документів без підрозділу;
9 користувачів зі старими повними правами;
4 інтеграції без відповідального.

AI і K2 ERP

У K2 ERP AI може використовуватися як окремий інтелектуальний шар над бізнес-процесами.

Можливі сценарії:

AI-помічник користувача;
RAG-пошук по документації;
аналіз заявок;
прогноз продажів;
рекомендація закупівель;
контроль платежів;
аналіз дебіторки;
класифікація витрат;
перевірка договорів;
аналіз якості даних;
пояснення Power BI-звітів;
аудит підозрілих дій.

Архітектура AI-рішення

Типова архітектура AI-рішення в бізнесі може містити:

ERP;
CRM;
базу даних;
API;
сховище документів;
векторну базу;
AI-модель;
RAG-шар;
модуль прав доступу;
журнал аудиту;
BI-систему;
інтерфейс користувача.

Приклад архітектури AI для ERP

Компонент	Роль
K2 ERP	Джерело бізнес-даних і процесів
API	Контрольований доступ до даних
Векторна база	Пошук по документах і знаннях
AI-модель	Генерація відповідей і аналіз
Права доступу	Фільтрація даних по ролях
Аудит	Запис запитів і дій
Power BI	Аналітика й дашборди

Дані для AI

AI може використовувати різні типи даних.

Тип даних	Приклад	Використання
Табличні дані	Продажі, залишки, платежі	Прогноз і аналітика
Текст	Заявки, листи, договори	NLP і RAG
Зображення	Фото браку, скани документів	OCR і computer vision
Логи	Помилки, дії користувачів	Аудит і кібербезпека
Часові ряди	Продажі по днях, залишки	Прогнозування

Підготовка даних для AI

Перед запуском AI потрібно підготувати дані.

Потрібно перевірити:

дублікати;
порожні поля;
правильність довідників;
історичні дані;
зв’язки між таблицями;
права доступу;
персональні дані;
якість текстів;
актуальність документів;
зовнішні ID;
аудит змін;
контрольні суми.

AI і prompt engineering

Prompt engineering — це формулювання запитів до AI так, щоб отримати корисну відповідь.

Поганий запит:

Що з продажами?

Кращий запит:

Порівняй продажі за травень із квітнем по товарних групах, покажи 5 найбільших відхилень і поясни можливі причини.

Приклад хорошого запиту до AI

Проаналізуй дебіторську заборгованість по клієнтах.
Покажи топ-10 боржників, прострочення понад 30 днів,
суму боргу, відповідального менеджера і рекомендовану дію.

AI краще працює, коли запит містить:

період;
показник;
розрізи аналітики;
формат відповіді;
очікувану дію.

AI і галюцинації

Галюцинація AI — це ситуація, коли модель впевнено генерує неправильну або вигадану відповідь.

У бізнесі це небезпечно, якщо AI:

вигадує дані;
посилається на неіснуючий документ;
неправильно пояснює цифри;
рекомендує дію без підстав;
плутає клієнтів;
робить висновок без перевірки джерел.

Як зменшити галюцинації AI

Потрібно:

підключати AI до перевірених джерел;
використовувати RAG;
показувати джерела;
обмежувати права доступу;
перевіряти критичні відповіді людиною;
логувати запити;
тестувати сценарії;
не дозволяти AI самостійно виконувати ризикові дії;
використовувати контрольні суми для цифр.

AI і точність відповідей

AI може добре пояснювати текст і закономірності, але цифри потрібно перевіряти.

Для фінансових, складських і управлінських даних краще:

брати цифри з ERP або BI;
використовувати контрольні запити;
показувати джерело;
не дозволяти AI самостійно “рахувати з пам’яті”;
порівнювати з Power BI;
логувати використані дані.

AI і контрольні суми

Контрольні суми потрібні не тільки для міграції, а й для AI-аналітики.

Наприклад:

сума продажів у AI = сума продажів у ERP;
дебіторка в AI = дебіторка в фінансовому звіті;
залишки в AI = залишки в складському звіті;
платежі в AI = платежі в банківському контурі;
кількість заявок у AI = кількість заявок у Service Desk.

AI і відповідальність

AI може радити, але відповідальність за бізнес-рішення має залишатися в людей і компанії.

Критичні рішення:

оплата;
юридичне погодження;
кадрове рішення;
блокування клієнта;
зміна цін;
списання товару;
зміна прав доступу;
публікація фінансової звітності;
передача персональних даних.

Типові сценарії AI для компанії

Напрям	AI-сценарій	Ефект
Продажі	Прогноз угод і рекомендація наступної дії	Вища конверсія
Закупівлі	Рекомендація замовлень постачальникам	Менше дефіцитів
Склад	Виявлення залежалих товарів	Менше заморожених коштів
Фінанси	Прогноз cash flow	Менше касових розривів
Service Desk	Класифікація заявок	Швидша підтримка
Документообіг	Витягування реквізитів з договорів	Менше ручного введення
Виробництво	Прогноз поломок	Менше простоїв

Впровадження AI

Впровадження AI краще починати не з “великої магії”, а з конкретної бізнес-задачі.

Етапи:

вибрати процес;
описати проблему;
перевірити дані;
визначити джерела;
перевірити права доступу;
зробити прототип;
протестувати на історичних даних;
оцінити точність;
додати аудит;
навчити користувачів;
поступово масштабувати.

Приклад першого AI-проєкту

Компанія хоче зменшити прострочену дебіторку.

AI-проєкт може включати:

аналіз історії оплат;
сегментацію клієнтів;
прогноз прострочення;
рекомендації менеджерам;
автоматичні нагадування;
Power BI-дашборд;
контроль ефекту через 3 місяці.

Що підготувати перед AI-проєктом

Потрібно підготувати:

якісні дані;
опис бізнес-процесу;
власника процесу;
джерела даних;
API або вивантаження;
правила доступу;
приклади правильних відповідей;
критерії успіху;
тестовий набір даних;
журнал аудиту;
план навчання користувачів.

Типові помилки при впровадженні AI

Поширені помилки:

починати без бізнес-задачі;
очікувати “магії”;
використовувати брудні дані;
не перевірити права доступу;
не врахувати персональні дані;
не тестувати відповіді;
не мати власника процесу;
не логувати дії;
не перевіряти цифри;
не навчити користувачів;
автоматизувати критичні дії без погодження;
не інтегрувати AI з ERP або BI.

Ризики AI

Основні ризики:

неправильні відповіді;
галюцинації;
витік даних;
порушення прав доступу;
неправильні рекомендації;
залежність від моделі;
непрозорість рішень;
помилки в даних;
юридичні ризики;
упередженість;
слабкий аудит;
надмірна автоматизація.

Переваги AI

Переваги правильного використання AI:

швидший аналіз;
менше ручної роботи;
кращі прогнози;
швидша підтримка;
кращий контроль ризиків;
менше помилок у документах;
швидший пошук інформації;
краща аналітика;
персональні підказки користувачам;
ефективніші бізнес-процеси;
більше прозорості для керівництва.

AI у малому бізнесі

Малий бізнес може використовувати AI для простих задач:

написання листів;
опис товарів;
аналіз продажів;
відповіді клієнтам;
підготовка комерційних пропозицій;
класифікація заявок;
створення контенту;
пошук помилок у таблицях;
планування закупівель;
підготовка інструкцій.

AI у середньому бізнесі

Середній бізнес може використовувати AI глибше:

інтеграція з ERP;
прогноз попиту;
аналіз дебіторки;
рекомендації закупівель;
контроль складу;
AI-помічник у Service Desk;
документообіг із OCR;
Power BI з поясненнями;
аналіз клієнтської бази;
контроль маржі.

AI у великому бізнесі

Великий бізнес може будувати AI-платформу:

data warehouse;
data lake;
RAG;
MLOps;
контроль моделей;
корпоративний AI-асистент;
інтеграція з ERP, CRM, WMS, MES;
політики безпеки;
аудит AI;
керування доступами;
моніторинг якості відповідей.

AI і BI: різниця

BI показує, що сталося. AI може допомагати пояснювати, прогнозувати й рекомендувати.

Підхід	Що робить	Приклад
BI	Показує звіти й дашборди	Продажі за місяць
AI	Аналізує, прогнозує, пояснює, рекомендує	Чому продажі впали і що робити
AI + BI	Поєднує цифри, пояснення й рекомендації	Дашборд із автоматичними висновками

AI і автоматизація: різниця

Автоматизація виконує задані правила. AI може працювати з невизначеністю й даними.

Підхід	Приклад
Автоматизація	Якщо сума понад 100 000 грн — відправити на погодження
AI	Визначити, чи є платіж підозрілим, навіть якщо він формально у межах ліміту

Майбутнє AI в ERP

AI в ERP буде розвиватися в напрямі:

розумних асистентів;
голосових інтерфейсів;
автоматичного аналізу документів;
прогнозного планування;
AI-агентів;
персональних підказок;
автоматичного контролю ризиків;
пояснюваної аналітики;
інтеграції з BI;
контролю якості даних;
корпоративних баз знань.

Пов’язані сторінки

FAQ

Що таке AI простими словами?

AI — це штучний інтелект, тобто технології, які допомагають програмам аналізувати дані, розуміти текст, робити прогнози, знаходити закономірності, генерувати відповіді й автоматизувати частину роботи.

Чим AI відрізняється від звичайної автоматизації?

Звичайна автоматизація працює за наперед заданими правилами. AI може навчатися на даних, знаходити закономірності, прогнозувати й працювати з текстом або ситуаціями, які не завжди описані жорсткими правилами.

Що таке генеративний AI?

Генеративний AI — це AI, який створює новий контент: текст, відповіді, код, резюме документів, інструкції, листи, описи товарів або аналітичні пояснення.

Що таке LLM?

LLM — це велика мовна модель, яка може розуміти й генерувати текст, відповідати на запитання, пояснювати дані, працювати з документами й допомагати користувачам у діалозі.

Що таке RAG?

RAG — це підхід, коли AI перед відповіддю шукає інформацію у внутрішніх джерелах: документах, базі знань, регламентах, ERP або wiki. Це зменшує ризик вигаданих відповідей.

Де AI корисний в ERP?

AI корисний у прогнозі попиту, контролі залишків, аналізі дебіторки, казначействі, класифікації витрат, документах, Service Desk, продажах, закупівлях, виробництві, BI та підтримці користувачів.

Чи може AI замінити бухгалтера, менеджера або аналітика?

AI може допомагати з рутинними задачами, аналізом і підказками, але відповідальність за критичні фінансові, юридичні, кадрові та управлінські рішення має залишатися за людьми.

Які головні ризики AI?

Основні ризики — неправильні відповіді, галюцинації, витік даних, порушення прав доступу, помилкові рекомендації, слабкий аудит і використання неякісних даних.

Що потрібно перед впровадженням AI?

Потрібно мати зрозумілу бізнес-задачу, якісні дані, джерела інформації, права доступу, критерії успіху, тестування, аудит дій і відповідального власника процесу.

Який результат правильного використання AI?

Результат — швидший аналіз, менше ручної роботи, кращі прогнози, якісніша підтримка користувачів, контроль ризиків, зрозуміліші звіти й ефективніші бізнес-процеси.

Коротко

Питання	Відповідь
Що таке AI?	Штучний інтелект — технології для аналізу, прогнозування, генерації тексту, пошуку закономірностей і автоматизації.
Для чого потрібен?	Для швидшого аналізу даних, прогнозів, підтримки користувачів, автоматизації рутинних задач і контролю ризиків.
Де використовується?	В ERP, CRM, BI, Service Desk, фінансах, складі, виробництві, документообігу, HRM, API та інтеграціях.
Що таке генеративний AI?	AI, який створює текст, відповіді, код, інструкції, резюме, описи, листи або аналітичні пояснення.
Що важливо для AI?	Якісні дані, права доступу, аудит, RAG, контроль джерел, human-in-the-loop і перевірка критичних відповідей.
Які ризики?	Галюцинації, неправильні висновки, витік даних, слабкий контроль доступу й автоматизація без відповідальності.
Який результат?	Швидші рішення, кращі прогнози, менше рутини, сильніша аналітика й ефективніші процеси в ERP та бізнесі.